INSTITUTO TECNOLOGICO DE TAPACHULA

ALUMNO:

LOPÉZ GONZÁLEZ NELVI KENI

Carrera:

Ing. Sistemas computacionales

Semestre:

6to semestre

MATERIA:

SIMULACION

Unidad:

4ta UNIDAD

CATEDRATICO:

Ing. Liliana Ortiz Ramos

TAPACHULA CHIAPAS A 3 DE NOVIEMBRE DEL 2010

1

Introducción

La situación a analizar se puede modelar en forma más o menos sencilla para el programador por el conocimiento del lenguaje.

El proceso se puede describir con tanta precisión como le sea posible en el len-guaje conocido.

Se pueden realizar todas las depuraciones posibles.

Emshoff y Sisson consideran que la Simulación Discreta requiere de ciertas funciones comunes que diferencian un lenguaje de Simulación de uno de pro-pósito general, entre las cuales se encuentran las siguientes:

Generar números aleatorios. Generar variables aleatorias.

Variar el tiempo hasta la ocurrencia del siguiente evento.

Registrar datos para salida.

Realizar análisis estadístico sobre datos registrados.

Construir salidas en formatos determinados.

Detectar inconsistencias y errores.

Una línea de espera en el área de de la simulación el efecto resultante en un sistema cuando la demanda de un servicio supera la capacidad de proporcio-nar dicho servicio poder dar la solución optima al problema.

2

Índice

4.1 Lenguajes de Simulación y simuladores…………………………………4

Paquetes……………………………………………………………………………6

4.2 Aprendizaje y uso de un simulador………………………………………8

Recursos……………………………………………………………………………11

4.3.1 Modelos de inventarios…………………………………………………..13

4.3.2 Modelos de líneas de espera……………………………………………18

Conclusión…………………………………………………………………………21

Bibliografía…………………………………………………………………………22

3

4.1 Lenguajes de Simulación y simuladores

LENGUAJES

El desarrollo de los lenguajes de Simulación comenzó a finales de los años cin-cuenta; inicialmente los lenguajes que se usaron en fueron los de propósito ge-neral, los cuales tenían las siguientes ventajas:

Cualquier lenguaje de programación puede ser empleado para trabajar en Si-mulación, pero los lenguajes especialmente diseñados presentan las siguientes propiedades:

Acaban la tarea de programación. Generan una guía conceptual.

Colaboran en la definición de entidades en el sistema.

Manejan la flexibilidad en los cambios.

Ayudan a analizar y a determinar la relación y el número de entidades en el sistema.

Los lenguajes precursores en Simulación fueron los de propósito general, entre ellos por mencionar solo algunos tenemos:

FORTRAN

ALGOL

COBOL

RPG

BASIC

PASCAL

MODULA

PL/1

etc.

4

Los principales lenguajes utilizados en Simulación son:

Simulación de cambio continuo y de cambio discreto en computadoras híbridas

H01

Simulación de incremento continúo con orientación a ecuaciones directas con énfasis en ecuaciones diferenciales

DSL/90

MIMIC

BHSL

DIHYSYS

S/360

CSMP

Simulación de incremento continúo con simuladores orientados a bloques con énfasis en ecuaciones diferenciales

IDAS

PACTOLUS

SCADS

MADBLOC

COBLOC

1130 CSMP

Simulación de incremento continúo con simuladores orientados a bloques con énfasis en ecuaciones de diferencias

DYNAMO

DYSMAP 2

Simulación de incremento discreto con orientación a actividades

CSL

CLP

GSP

GERT

FORSIM

ESP

5

MONTECODE MILITRAN

Simulación de incremento discreto con orientación a eventos

SIMSCRIPT

GASP

SIMCOM

SIMULATE

SIMPAC

Simulación de incremento discreto con orientación a procesos

SIMULA

OPS

SLAM

SOL

Simulación de incremento discreto con orientación a flujo de transacciones

GPSS BOSS.

PAQUETES

Los paquetes son una versión depurada de los diferentes lenguajes de propósi-to general y presentan algunas ventajas sobre los lenguajes de programación generales:

Reducción de la tarea de programación. Definición exacta del sistema.

Flexibilización mayor para cambios.

Diferenciación mejor de las entidades que conforman el sistema.

Relación estrecha entre las entidades del sistema.

Los paquetes de mayor utilización en Simulación son:

EXCEL

STELLA

SIMAN

RISK

STORM

LINDO

CRYSTAL BALL

QSB, MOR/DS

OR/MS

BEER GAME

6

GREENPACE

SIMULACION

TAYLOR II

CAPRE

SIMNET II

PROMODEL

ITHINK

URBAN DYNAMICS

En Simulación Gerencial podemos citar:

FISH BANK,

FINANACAT

BUGA-BUGA

MARKOPS

TREE PLAN entre otros.

7

4.2 Aprendizaje y uso de un simulador

SIMULADOR PROMODEL

CÓMO CREAR ELEMENTOS DEL MODELO EN PROMODEL

•PROMODEL utiliza un enfoque gráfico

•Cada elemento tiene una ventana de gráficas

•Cada elemento que se crea tiene asociado un registro en la tabla.

ELEMENTOS DE MODELACIÓN DE PROMODEL Los elementos principales son:

•Locaciones (objeto)

•Entidades (objeto)

•Llegadas (interacción)

•Proceso (interacción)

•Recursos (objeto)

ENTIDADES

Cualquier cosa que procesa el modelo se le llama entidad. Algunos ejemplos incluyen piezas, productos, personas o documentos.

Para construir Entidades:

• En la gráfica deseada en la ventana de herramientas de gráficas de entida-des.

• Se crea automáticamente un registro en la tabla de edición de entidades

• Puede entonces modificarse el nombre, y el tamaño de la entidad y puede ajustarse al moverse la barra deslizable.

Recomendación: evitar acentos, puntos, comas y demás caracteres.

8

LLEGADAS

Cada vez que entran nuevas entidades al sistema se les llama Llegadas.

Para crear llegadas:

• En el nombre de la entidad en la ventana de herramientas, y en la locación a donde se quieren que llegue las entidades.

• Entity: La entidad que llega.

• Location: La locación a donde llega la entidad

• Qty Each?: Cantidad por ocasión. El número de entidades en un grupo que llegarán en un tiempo especificado.

• First Time?: La primera vez (en el tiempo reloj de la simulación) que comenza-rá el patrón de llegadas.

• Occurrences: Ocurrencias. El número de veces que llegarán los grupos de entidades.

• Frequency: Frecuencia. El tiempo entre ocurrencias.

9

PROCESO

El proceso describe las operaciones que toman lugar en una locación, como la cantidad de tiempo que la entidad pasa ahí, los recursos necesarios para com-pletar el proceso, cualquier otra cosa que suceda en la locación, incluyendo se-leccionar el siguiente destino de la entidad.

Para crear llegadas:

• En el nombre de la entidad en la barra de herramientas, y después en la lo-cación de inicio.

• En la locación destino

•Se crea un egistro de proceso automáticamente.

•Para añadir más líneas de rutas al mismo registro, en el botón Add Routing?(añadir rutas) en la ventana de herramientas.

•Para enviar la entidad a Exit(que salga del sistema), simplemente dar en el botón Routeto Exit?(enviar a salida) en la ventana de herramientas.

RECURSOS

Un recurso es una persona, pieza de equipo o algún otro dispositivo que se uti-liza para una o varias de las siguientes funciones: transportar entidades, asistir en operaciones de las entidades en las locaciones, realizar mantenimiento en locaciones o realizar mantenimiento a otros recursos. Se necesita definir dos elementos para el recurso:

•El recurso mismo

•Una red física que defina el movimiento del recurso.

10

RECURSOS

Para crear recursos:

•Ir a Build/Resourcesy dar en la gráfica deseada en la caja de herramientas de los recursos. Automáticamente se crea un registro en la tabla de edición de re-cursos. En el registro se puede modificar el nombre del recurso, el número de unidades y las especificaciones.

•Las especificaciones permiten definir la red física por la que viaja el recurso, los nodos sobre los cuales se estaciona y el movimiento del recurso.

MODELO PASO A PASO

•Iniciar modelo nuevo

•Grabar nombre de modelo

•Definir Locaciones

•Definir Entidades

•Definir Proceso

•Definir Llegadas

•Definir Opciones de ejecución

•Grabar modelo terminado

•Correr modelo

11

4.3 Casos prácticos de simulación

Las aplicaciones recreativas, hoy muy extendidas y mejoradas principalmente

por los adelantos en este campo, están especialmente diseñadas para crear un

pasatiempo que logre sacar de la rutina al ser humano, y que el mejor de los

casos de otro modo seria impracticable debido a su costo.

Estas consisten en crear ambientes y decorados artificiales con sonido en

algunos casos, que logran una perfecta simulación de cualquier tipo de

contenido, creando el pasatiempo perfecto

Uno de los principales proyectos futuristas de la simulación aunque muy

costoso, es en el campo de las minosvalias físicas, ya que su diseño tendría

que incluir, sobre todo en el campo de los invidentes, unos censores

especiales, que adaptados, conseguirían una visión simulada del terreno

permitiendo dotar de visión (en este caso) a esas personas, incluso en algunos

casos, dotar de facultades superiores a las humanas médiate esta realidad

simulada real al mismo tiempo.

12

4.3.1 Modelos de inventarios

El diseño de sistema de inventarios toma en cuenta las características más re-levantes del mundo real, es decir, aquellas variables cuya presencia tiene efec-tos significativos sobre el objeto fijado. Desde este punto de vista el sistema presenta una simplificación o abstracción de una realidad. Por otra parte, la operación del sistema se facilita con el empleo de modelos, que en forma direc-ta o indirecta dan elección más conveniente, según los supuestos que han lle-vado a su formulación.

El desarrollo de modelo no es un trabajo reciente en el campo de la administra-ción. Los esquemas de balance de la empresa representan modelos generales que simplifican la realidad de la empresa, pero que son capaces de proveer in-formación para la toma de decisiones de los ejecutivos. En otros casos los mo-delos, según los supuestos de su construcción dan una o más alternativas que permiten si la realidad se comporta como establece el modelo, lograr el mejor desempeño del sistema.

Se distinguen dos tipos de modelo que son los empíricos y matemáticos. Los modelos empíricos corresponden a los que utilizan las empresas para adminis-trar sus inventarios, cuando no se encuentra una función o objetivo claramente cuantificado que trate de optimizar, y en que la información que se provee a los ejecutivos no permite fácilmente establecer cuál es la estrategia de mayor efi-ciencia económica.

Por otro lado los modelos matemáticos se caracterizan por representar la reali-dad que les preocupa en símbolos y relaciones matemáticas. Dentro de los mo-delos matemáticos se distinguen dos grupos de modelos, los modelos de opti-mización y los modelos de simulación.

Los modelos de simulación parten de una función objetiva expresada en forma matemática y por su construcción es posible obtener la o las estrategias que lo-gran el nivel más alto de eficiencia del objetivo. En general, la optimización del modelo será real en la medida que sea una representación adecuada del mun-do que está en estudio.

13

A su vez, los modelos de optimación se agrupan en modelo deterministicos y modelos aleatorios o estocásticos. Los modelos deterministicos reciben a un conjunto de variables, cuyo comportamiento o valor en el futuro se supone cier-to, es decir, no sujetos a variación. En cuanto a los modelos estocásticos, se caracterizan por que uno o más variables pueden tener diferentes valores futu-ros, y cada uno de ellos tiene una cierta probabilidad de ocurrencia.

Modelos

Empírico Matemático

Optimización Simulación

Deterministicos Estocásticos

Modelos de inventarios deterministas:

Quienquiera que haya adquirido artículos en grandes volúmenes a pedidos a podido pagar un precio unitario menor. Cuando se conoce la demanda, la en-trega se vuelve instantánea y el precio de los productos varía de acuerdo al vo-lumen ordenado.

La figura 2 ilustra en concepto de descuento por volúmenes, dice que a medida que el volumen ordenado (Q) se incrementa, el proveedor a menudo puede producir y embarcar su mercadería a mas bajo precio. Para estimular esto el proveedor comparte estas ventajas con el cliente.

En la Figura 2 las líneas continuas representan los costos promedios anuales para distintos probables cantidades ordenadas, sin embargo estas líneas conti-nuas se vuelven discontinuas en las zonas en que se rompe el borde de los precios, a cada tipo de valores de Q se le aplican diferentes curvas de costos.

El procedimiento general para determinar la cantidad a ordenar pasa por verifi-car la curva de costo mínimo para una Q óptima. Si no se tiene éxito, entonces se verifica en forma sistemática a cada una de las curvas superiores hasta en-contrar la optima.

Esencialmente, este procedimiento permite encontrar el punto del costo mas bajo en la curva.

14

Figura 2

Ejemplo:

Considere una situación de inventarios en un centro médico en donde se ad-quieren productos sanitarios desechables, en cajas de 5 docenas.

La demanda anual es de 400 cajas; el costo de colocación de cada orden es de 12 dólares y el del manejo de inventario es de 20%. Existen tres cortes de pre-cio; el precio por caja es de: 29 dólares, de 1 hasta 49 cajas; de 28,59 dólares, de 50 hasta 99 cajas; de 28 dólares, de 100 cajas en adelante.

Para determinar la cantidad óptima, iniciamos con la curva de costo más baja y se calcula Q para un precio de 28 dólares caja.,

Q = "((2DS)/(IC)) = "2*400*12/0.2*28 = 41,4 No es Factible

Calculamos el Costo Total:

TC = CD + SD/Q + ICQ/2

TC = 11.528

Pasando a la siguiente curva:

Q = "((2DS)/(IC)) = "2*400*12/0.2*28,5 = 41,04 No es Factible

TC = CD + SD/Q + ICQ/2

TC = 11.638,5

Pasando a la siguiente curva:

Q = "((2DS)/(IC)) = "2*400*12/0.2*29 = 40,68 Si es Factible

15

TC = CD + SD/Q + ICQ/2

TC = 11.835,97

Comparando todos los costos totales se ve que el costo total más bajo es de 11.528 dólares al ordenar una cantidad de 100 cajas.

Métodos estocásticos de inventario

Los vendedores de diario, gerente de producción, propietarios de carnicería, etc., deben hacer frente al problema de ¿Que tanto debo pedir? Cuando la si-tuación de la orden es sólo para el próximo periodo los costos críticos sol los costos de escasez por no tener existencia (Cu) y los costos por tener demasia-da existencia (Co). El vendedor, gerente o dueño, se enfrenta a la minimización de los costos totales cuando la demanda no se conoce con certeza.

La problema sugiere que la persona que ordena un producto debe almacenar a aquel la cantidad (porción) de la demanda, la cantidad critica (CC), donde se lleva a cabo la relación del costo de la suma de las inexistencias más las sobre existencias.

CC = Cu/Cu + Co

Ejemplo

El Dueño de una distribuidora de periódicos y revistas posee cuatro sitios dife-rentes de ventas al menudeo. Una revista popular tiene una demanda que varia uniformemente de 500 a 1200 copias en las cuatro tiendas combinadas. El pe-dido esta centralizado y las revistas pueden ser enviadas fácilmente de una tienda a otra. El ciento de estas revistas cuesta 125 dólares, y y cada una se vende a un precio de 2.25 dólares. Cuando se compra en lotes a este precio, el editor no admite devoluciones. ¿Cuál debe ser la cantidad por pedir para el si-guiente periodo?

CC = Cu/Cu + Co

CC=(2.25-1.25) / (2.25-1.25) + 1.25

CC = 0.444

16

El gerente experimenta una pérdida de utilidad de 1.00 dólares si ordena dema-siado poca, pero una pérdida de 1.25 dólares si ordenas demasiadas.

La cantidad económica a ordenar es:

Q = 500 + 0.444(1200 - 500)

Q = 810.8 unidades

Aplicación del Control de inventarios:

Guía general para el ahorro de dinero en el control de inventarios: Situación de inventario Guía de operación

Los artículos en inventarios

Se aplican reglas de: Estas son reglas tales como Cobertura “Siempre tener en inventario el equivalente a un mes de abastecimiento en todos los productos.

Elevados costos de existencia: Identificar los artículos cuya falta de existencia es de alto costo.

Existencia de seguridad: Evaluar las razones para niveles de inventarios de se-guridad; los niveles deben basarse en la demanda, etc.

Sistema ABC: El concepto ABC divide a los intervalos en 3 grupos. El grupo A, donde se agrupan los pocos artículos que tienen un alto valor en dinero; el gru-po B son aquellos artículos de valor moderado en dinero y el grupo C, con un gran número de artículos que representan un moderado precio.

Errores en el control de inventario:

La tasa de demanda o ventas de cada artículo que varía dependiendo de la temporada, implica gastos de tener los artículos almacenados.

La confiabilidad de predecir las ventas futuras, cambios en el diseño o los métodos de producción, etc., ya que muchos artículos dependen de las variaciones del clima, estilos, modas, etc.

Las tasas de producción son considerablemente mayores que las de de-manda.

17

4.3.2 Modelos de líneas de espera

Una línea de espera es el efecto resultante en un sistema cuando la demanda de un servicio supera la capacidad de proporcionar dicho servicio. Este sistema está formado por un conjunto de entidades en paralelo que proporcionan un servicio a las transacciones que aleatoriamente entran al sistema. Dependiendo del sistema que se trate, las entidades pueden ser cajeras, máquinas, semáforos, grúas, etcétera, mientras que las transacciones pueden ser: clientes, piezas, autos, barcos, etcétera.

Tanto el tiempo de servicio como las entradas al sistema son fenómenos que generalmente tienen asociadas fuentes de variación que se encuentran fuera del control del tomador de decisiones, de tal forma que se hace necesaria la utilización de modelos estocásticos que permitan el estudio de este tipo de sistemas.

Una línea de espera puede modelarse como un proceso estocástico en el cual la variable aleatoria se define como el número de transacciones en el sistema en un momento dado; el conjunto de valores que puede tomar dicha variable es {O, 1, 2, . . . , N\ y cada uno de ellos tiene asociada una probabilidad de ocurrencia

18

PROBLEMA DE LINEAS DE ESPERA

Una compañía constructora desea adquirir palas mecánicas para el llenado de sus camiones motivo por el cual ha recopilado la siguiente información:

El tipo de pala que se desea adquirir tiene la capacidad de llenar 4.5 camiones/hora, y el tiempo de servicio se puede considerar exponencial.

Se estima que los camiones llegaran a ser cargados a razón de 12.6 camiones /hora, de acuerdo con una distribución Poisson.

Se incurrirá en un costo fijo de $200 x día por cuestiones de depreciación y otros conceptos por cada pala que se adquiera trabajando diariamente turnos de 8 horas.

Se tendrá un costo extra cada vez que la pala esté en uso, siendo este de $50 x hora, el salario para cada operador de pala mecánica es de $ 200/día (8hrs.), el departamento de contabilidad estima que la compañía pierde $ 50 por cada hora que un camión este esperando sin recibir servicio.

La compañía tiene capital para trabajar a lo máximo con 5 palas mecánicas.

El gerente desea saber cuál es el número óptimo de palas con que debe operar la compañía constructora.

Datos:

{draw:frame} {draw:frame} 12.6 camiones/hra ----- 100.8 camiones/día

{draw:frame} {draw:frame} 4.5 camiones/hra ----- 36 camiones/día

K = ?

Costo Fijo C.F = $200/día x equipo

19

Costo Operativo C.O = $50/hora x equipo

Costo Salario C.S = $200/día x operador

Costo Espera C.E = $50/hora x camión

_Se evaluara en base a Días._ Formulas:

C.F = (costo/día) (K)

C.O= (costo/hora) (horas/día) (K) (ƿ)

C.S = (horas/día) (K)

C.E = (costo/hora) (horas/día) (Tq/día) ( {draw:frame} {draw:frame} día)

Costo Total = C.F + C.O + C.S + C.E

*DESARROLLO DEL *PROBLEMA

Factores de Utilización:

K = 1

ρ= λμ.κ = 12.64.5 1=2.8>1 No Aplica

K = 2

ρ= λμ.κ = 12.64.5 (2)=1.4>1 No Aplica

K = 3

ρ= λμ.κ = 12.64.5 (3)=0.93

20

Conclusión

En todo a nuestro alrededor hay fenómenos de los cuales se pueden llegar a modelar y simular y ver el comportamiento y así poder dar cierta

predicción para lo cual hoy en día se han creado varios lenguajes de para simular ciertos actos o acciones en todo lo que se está tratando es de

hacer al hombre la vida mas cómoda y fácil para no tener complicaciones dentro de cada uno de los hechos que ocurren como lo es la espera que se tiene que hacer cuando se va a un banco en todo lo ya expuesto da

una amplia vista de lo que puede ayudar a solucionar ciertos problemas.

21

Bibliografia

1.- Texto Principal: Administración de la producción y operaciones, Everett E. Adam, Jr Textos Complementarios:

Administración, Robbin - Coulter.Decisiones en administración de inventarios, Carlos Olavarria ArangusenPlantación y control de la producción, Robert H. Bock.www.monografis.comSoftware de administración, Manager - www.manager.cl

2.- Consultada el 29 de octubre de 2010 a las 22:00 horas

http://www.mitecnologico.com/Main/CasosPracticosDeSimulacion

Auntor: EDIT

3.- consultada el dia 31 de octubre de 2010 a las 16:00 horas

http://www.buenastareas.com/ensayos/Problema-Resuelto-De-Lineas-De-Espera/273666.html

22